2。2 图像去噪的研究现状和主要方法图像去噪，还有一个名字----图像滤波，是使图像复原内容中的一种方式。 进行图像去噪目的就是要解决原始图像由于噪声影响的介入后使得图像质量下 降这个问题，并且改善现有图像的质量。与图像增强相比较，图像去噪不仅仅是 提高原始图像的视觉效果，而且在去噪过程中依旧保留了图像的原始信息。事实 上，图像中的噪声信息往往和有效信息混合交织在一起，因此很难将噪声信息完 全去除。因此，如何做到既能精准地做到图像去噪，又可以尽可能多地保留原始 图像的信息，这是图像去噪过程研究的主要问题。

在图像处理技术和图像处理应用的发展过程中，一系列的新方法、新理论以 及数学工具的产生和发展为图像去噪领域注入了很多新鲜的内容和活力。当形态 学、非线性科学、偏微分方程、水平集等被引入到图像处理领域后，随即也就形 成了相当多的图像去噪方法，使得图像去噪自成一门类。

经过对图像去噪的长时间研究，到目前为止，已经有了很多关于图像去噪的 方法[3]主要有：

1。均值滤波器 均值滤波器采用的是领域平均法，通过利用领域平均法去噪，虽然可以有效的减少噪声，但是，在去除噪声的同时也由于平均的影响而造成图像变得模糊, 同时，领域半径的值取得越大，经过去噪的图像也就变得越模糊。均值滤波器也 有很多种，大致可以分为谐波均值滤波器、逆谐波均值滤波器、几何均值滤波器 等等。

2。自适应维纳滤波器 自适应维纳滤波器的输出图像是根据图像的局部方差的大小来作调整的。图像的局部方差越大，那么自适应维纳滤波器的平滑作用也就越明显。自适应维纳 滤波器的目标是使经过去噪后的图像与原始图像的均方误差达到最小，其去噪效 果效果在一定程度上比均值滤波器效果要好。虽然此种滤波器对保留图像的边缘 部分和其它高频部分非常有效,但是它的计算量较大，其过程也就更复杂。对那 些具有白噪声的图象而言，利用自适应维纳滤波器去噪而得到结果是最好的。

3。中值滤波器 中值滤波器是一种常用的非线性平滑滤波器。中值滤波器，顾名思义，其基本原理是将数字图像中一点对应的数值用该点领域内的中值去替换。利用中值滤 波器可以有效地消除孤立的噪声点，在去噪过程中不仅可以很好地保护原始图像 的边缘,这样就可以得到较好的去噪结果。但是，如果要对那些具有很多细节的 图像进行去噪时，那么就不宜采用中值滤波器的方法，因为这很有可能会使得图 像失真。

4。形态学噪声滤除器 形态学噪声滤波器将开启和闭合两个过程结合起来，起到去噪的作用。首先，对受噪声影响的图像进行开启操作,因为可选择结构要素矩阵的维数比噪声矩阵 维数要来得大,所以开启的结果就是将背景上的噪声给去除掉。然后，再对前一 步得到的图象进行闭合操作,将图象上的噪声给去掉。在对那些尺寸较大且细节 较少的图像进行去噪时，形态学再生滤波器就可以发挥不错的效果。来,自,优.尔:论;文*网www.youerw.com +QQ752018766-

由于小波去噪可以保留小波系数这个性质，所以这种方法可以很好地把原始 图像的细节部分保留下来。小波去噪主要可以分为以下 3 个步骤:首先，对受噪 的图象信号进行小波分解。其次，再对经过层次分解后的高频系数进行阈值量化。 最后，利用二维小波重新构造图象信号，从而得到去噪后的图像。